Comparing ‘Twitter’ polls results with an online survey on surgeons perspectives for the treatment of rectal cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction Traditional surveys (including phone, mail and online) can be valuable tools to obtain information from specific communities. Social media apps such as Twitter are being increasingly adopted for knowledge dissemination and research purposes. Twitter polls are a unique feature which allows for a rapid response to questions posed. Nonetheless Twitter does not constitute a validated survey technique. The objective was to compare the similarities of Twitter polls in describing practice patterns for the treatment of rectal cancer. Methods A survey on the management of rectal cancer was designed using modified Delphi methodology. Surgeons were contacted through major colorectal societies to participate in an online survey. The same set of questions were periodically posted by influencers on Twitter polls and the results were compared. Results A total of 753 surgeons participated in the online survey. Individual participation in Twitter ranged from 162 to 463 responses. There was good and moderate agreement between the two methods for the most popular choice (9/10) and the least popular choice (5/10), respectively. Discussion It is possible that in the future polls available via social media can provide a low-cost alternative and an efficient, yet pragmatic method to describe clinical practice patterns. This is the first study comparing Twitter polls with a traditional survey method in medical research. Conclusions There is viable opportunity to enhance the performance of research through social media, however, significant refinement is required. These results can potentially be transferable to other areas of medicine.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle